區(qū)間高維多目標進化算法是解決不確定性優(yōu)化問題的有效方法之一，也是進化計算領域一個重要的研究方向。本書分為7章，第1、2章介紹了區(qū)間高維多目標進化算法相關(guān)背景、基本概念及基礎知識；第3～6章從Pareto支配關(guān)系、方向引導、指標選擇及博弈集成等方面探討了區(qū)間高維多目標進化算法的改進方式；第7章將區(qū)間高維多目標進化算法應用于移動邊緣計算卸載和功率分配聯(lián)合優(yōu)化問題求解，從而為解決相關(guān)應用問題提供了參考。 本書適合從事智能計算研究與應用的科技工作者和工程技術(shù)人員閱讀，也可作為高等院校計算機科學與技術(shù)、控制科學與工程等專業(yè)高年級本科生及研究生的參考書。
張志霞，博士，講師，2023年6月獲得太原科技大學控制科學與工程專業(yè)博士學位，現(xiàn)為太原科技大學計算機學院講師，主要研究方向為: 進化計算、群智能算法、多目標進化優(yōu)化等。作為項目負責人主持承擔了山西省高等學�？萍紕�(chuàng)新項目、太原科技大學博士啟動項目等，在《IEEE T VT》、《IEEE TNSE》、《IEEE IoT》、《 Information Science》等國內(nèi)外重要學術(shù)期刊與會議發(fā)表論文10余篇。
第一部分 導 引 篇
第1章 緒論 2
1.1 不確定性優(yōu)化概述 2
1.1.1 不確定性優(yōu)化問題 2
1.1.2 不確定性優(yōu)化方法 4
1.2 區(qū)間進化優(yōu)化概述 6
1.3 區(qū)間進化優(yōu)化研究概況 7
1.3.1 區(qū)間單目標優(yōu)化 8
1.3.2 區(qū)間多目標優(yōu)化 9
1.3.3 區(qū)間高維多目標優(yōu)化 12
1.3.4 區(qū)間高維多目標優(yōu)化挑戰(zhàn) 13
1.4 本書結(jié)構(gòu)安排 14
第2章 區(qū)間高維多目標進化優(yōu)化概述 15
2.1 數(shù)學模型及相關(guān)概念 15
2.2 區(qū)間數(shù)的基本知識 17
2.3 常見的區(qū)間基準測試問題 19
2.4 常見的區(qū)間性能評價指標 22
2.5 小結(jié) 23
第二部分 原 理 篇
第3章 柔性區(qū)間 Pareto 支配驅(qū)動的區(qū)間高維多目標進化算法 25
3.1 引言 25
3.2 已有的區(qū)間Pareto支配 27
3.3 已有的區(qū)間擁擠距離 30
3.4 問題分析 32
3.5 IMaOEA-FPD描述 35
3.5.1 柔性區(qū)間Pareto支配關(guān)系 36
3.5.2 基于區(qū)域劃分的多樣性維護機制 39
3.5.3 IMaOEA-FPD框架 41
3.5.4 復雜度分析 43
3.5.5 收斂性分析 43
3.6 仿真實驗 45
3.6.1 參數(shù)設置 45
3.6.2 柔性因子取值對算法性能的影響分析 47
3.6.3 算法在InDTLZ測試問題上的性能比較 49
3.7 小結(jié) 54
第4章 理想超平面引導的區(qū)間高維多目標進化算法 55
4.1 引言 55
4.2 問題分析 57
4.3 IMaOEA-IH描述 59
4.3.1 理想超平面構(gòu)建 59
4.3.2 拉丁超立方抽樣 61
4.3.3 Lp-范數(shù)距離測度 64
4.3.4 最優(yōu)解選擇策略 66
4.3.5 IMaOEA-IH框架 68
4.3.6 復雜度分析 70
4.4 仿真實驗 71
4.4.1 性能評價指標及參數(shù)設置 71
4.4.2 采樣數(shù)量對不同最優(yōu)解選擇策略的影響分析 71
4.4.3 不同最優(yōu)解選擇策略對算法性能的影響分析 73
4.4.4 算法在InMaOP測試問題上的性能比較 74
4.5 小結(jié) 79
第5章 綜合評價指標選擇的區(qū)間高維多目標進化算法 80
5.1 引言 80
5.2 問題分析 82
5.3 IMaOEA-CEI描述 85
5.3.1 綜合評價指標 85
5.3.2 α、β、γ參數(shù)設置 88
5.3.3 IMaOEA-CEI的框架 92
5.3.4 時間復雜度分析 93
5.4 仿真實驗 94
5.4.1 相關(guān)參數(shù)設置 94
5.4.2 參數(shù)設置方式對算法性能的影響分析 94
5.4.3 算法在InWFG測試問題上的性能比較 96
5.5 小結(jié) 101
第6章 雙階段博弈集成的區(qū)間高維多目標進化算法 102
6.1 引言 103
6.2 問題分析 104
6.3 IMaOEA-TSGI描述 108
6.3.1 策略池構(gòu)建 109
6.3.2 基于種群博弈的匹配選擇算子 110
6.3.3 基于波達計數(shù)的環(huán)境選擇算子 112
6.3.4 IMaOEA-TSGI框架 114
6.3.5 復雜度分析 116
6.4 仿真實驗 117
6.4.1 相關(guān)參數(shù)設置 117
6.4.2 算法在InDTLZ測試問題上的性能比較 117
6.4.3 算法在InWFG測試問題上的性能比較 120
6.4.4 算法在InMaOP測試問題上的性能比較 124
6.5 小結(jié) 127
第三部分 應 用 篇
第7章 區(qū)間高維多目標進化算法在移動邊緣計算卸載中的應用 130
7.1 引言 130
7.2 不確定環(huán)境下的計算卸載研究概況 131
7.3 計算卸載問題描述 133
7.4 功率分配與任務卸載的區(qū)間多目標聯(lián)合優(yōu)化模型 134
7.4.1 系統(tǒng)模型 134
7.4.2 目標模型 136
7.5 實驗結(jié)果與分析 140
7.5.1 仿真實驗平臺及參數(shù)設置 140
7.5.2 本書四種算法求解該模型的結(jié)果與分析 142
7.5.3 本書提出的算法與其他優(yōu)秀算法的性能比較 143
7.6 小結(jié) 147
參考文獻 148
附錄A IMaOEA-FPD源代碼 161
附錄B IMaOEA-IH源代碼 166
書單推薦
